基于分布鲁棒优化的半监督学习
摘要：使用基于数据驱动的分布鲁棒优化方法，基于最优输运度量，我们提出了一种新的半监督学习（SSL）方法。我们的方法通过使用未标记数据来限制最坏情况下分布的支持来增强泛化误差。我们通过提出一种随机梯度下降算法来实现我们的DRO公式，该算法可以轻松实现训练过程。我们证明了我们的半监督DRO方法能够改善自然监督过程和最先进的SSL估计器的泛化误差。最后，我们讨论了DRO公式中最优不确定性区域的大样本行为。我们的讨论揭示了SSL中降维的作用等重要方面。
作者：Jose Blanchet and Yang Kang
论文ID：1702.08848
分类：Machine Learning
分类简称：stat.ML
提交时间：2020-04-21